論文の概要: Digital Video Manipulation Detection Technique Based on Compression Algorithms
- arxiv url: http://arxiv.org/abs/2403.07891v1
- Date: Sat, 3 Feb 2024 16:05:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 06:00:28.665958
- Title: Digital Video Manipulation Detection Technique Based on Compression Algorithms
- Title（参考訳）: 圧縮アルゴリズムを用いたデジタル映像操作検出手法
- Authors: Edgar Gonzalez Fernandez, Ana Lucila Sandoval Orozco, Luis Javier Garcia Villalba,
- Abstract要約: 本稿では,H.264符号化における圧縮アルゴリズムの解析による法医学的手法を提案する。
Vector Support Machineは、ビデオが圧縮されたかどうかを正確に検出するモデルを作成するために使用される。
- 参考スコア（独自算出の注目度）: 8.345872075633498
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Digital images and videos play a very important role in everyday life. Nowadays, people have access the affordable mobile devices equipped with advanced integrated cameras and powerful image processing applications. Technological development facilitates not only the generation of multimedia content, but also the intentional modification of it, either with recreational or malicious purposes. This is where forensic techniques to detect manipulation of images and videos become essential. This paper proposes a forensic technique by analysing compression algorithms used by the H.264 coding. The presence of recompression uses information of macroblocks, a characteristic of the H.264-MPEG4 standard, and motion vectors. A Vector Support Machine is used to create the model that allows to accurately detect if a video has been recompressed.
- Abstract（参考訳）: デジタル画像やビデオは日常生活において非常に重要な役割を果たす。
現在、人々は高度な統合カメラと強力な画像処理アプリケーションを備えた安価なモバイルデバイスにアクセスすることができる。
技術開発は、マルチメディアコンテンツの生成だけでなく、レクリエーションや悪意のある目的によって、意図的な修正も促進する。
ここでは、画像やビデオの操作を検出する法医学的手法が不可欠である。
本稿では,H.264符号化における圧縮アルゴリズムの解析による法医学的手法を提案する。
再圧縮の存在は、H.264-MPEG4標準の特徴であるマクロブロックの情報と運動ベクトルを使用する。
Vector Support Machineは、ビデオが圧縮されたかどうかを正確に検出するモデルを作成するために使用される。
関連論文リスト
- Compression effects and scene details on the source camera identification of digital videos [14.105727639288316]
特定のデジタルビデオの真正性や完全性を保証するために、法医学的分析機構を導入することが不可欠である。
モバイルデバイスからのデジタルビデオの取得元を特定する手法を提案する。
論文 参考訳（メタデータ） (2024-02-07T09:14:18Z) - Authentication and integrity of smartphone videos through multimedia
container structure analysis [9.781421596580298]
本研究は,MP4,MOV,3GPフォーマットビデオに対する攻撃の可能性を検出する新しい手法を提案する。
この提案の目的は、ビデオの完全性を確認し、買収の源を識別し、オリジナルと操作されたビデオの区別を行うことである。
論文 参考訳（メタデータ） (2024-02-05T22:34:24Z) - VNVC: A Versatile Neural Video Coding Framework for Efficient
Human-Machine Vision [59.632286735304156]
コード化された表現をピクセルに復号することなく直接拡張・解析することがより効率的である。
再構成と直接拡張/分析の両方をサポートするために,コンパクト表現の学習を目標とする汎用型ニューラルビデオ符号化(VNVC)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-19T03:04:57Z) - Speeding Up Action Recognition Using Dynamic Accumulation of Residuals
in Compressed Domain [2.062593640149623]
ビデオ処理アルゴリズムに関して、時間的冗長性と生ビデオの重大性は、最も一般的な2つの問題である。
本稿では,光部分復号処理によって得られる圧縮ビデオで直接利用できる残差データの利用法を提案する。
圧縮された領域に蓄積された残留物にのみニューラルネットワークを適用することで、性能が向上する一方、分類結果は生のビデオアプローチと非常に競合する。
論文 参考訳（メタデータ） (2022-09-29T13:08:49Z) - A Detection Method of Temporally Operated Videos Using Robust Hashing [12.27887776401573]
従来のビデオや画像の改ざん検出方法は、そのような操作に対して十分に堅牢ではない。
そこで本研究では,ビデオに解像度と圧縮を適用した場合でも,時間的に操作されたビデオを検出する頑健なハッシュアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-10T07:36:07Z) - Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed
Video Quality Enhancement [74.1052624663082]
圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。
これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。
我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
論文 参考訳（メタデータ） (2022-01-31T18:56:04Z) - A New Image Codec Paradigm for Human and Machine Uses [53.48873918537017]
本研究では,人間用と機械用の両方にスケーラブルな画像パラダイムを提案する。
高レベルのインスタンスセグメンテーションマップと低レベルの信号特徴をニューラルネットワークで抽出する。
画像は16ビットのグレースケールプロファイルと信号特徴を持つ一般的な画質のイメージ再構成を実現するために設計および訓練される。
論文 参考訳（メタデータ） (2021-12-19T06:17:38Z) - Efficient video integrity analysis through container characterization [77.45740041478743]
本稿では,ビデオ操作に使用するソフトウェアをコンテナベースで識別する手法を提案する。
提案手法は効率的かつ効果的であり,その決定の簡易な説明も可能である。
プリストインを改ざんされたビデオと区別し、編集ソフトを分類することで97.6%の精度を達成している。
論文 参考訳（メタデータ） (2021-01-26T14:13:39Z) - Video Coding for Machines: A Paradigm of Collaborative Compression and
Intelligent Analytics [127.65410486227007]
フレーム全体を圧縮、再構成することを目的としたビデオ符号化と、最も重要な情報のみを保存し、送信する特徴圧縮は、スケールの2つの端に立つ。
最近のビデオ圧縮の急激なトレンド、例えばディープラーニングベースのコーディングツールやエンドツーエンドの画像/ビデオコーディング、MPEG-7のコンパクトな特徴記述子標準などの取り組みは、持続的かつ迅速な開発を促進する。
本稿では,新たな領域であるVCM(Video Coding for Machines)の探索を行う。
論文 参考訳（メタデータ） (2020-01-10T17:24:13Z) - An Emerging Coding Paradigm VCM: A Scalable Coding Approach Beyond
Feature and Signal [99.49099501559652]
Video Coding for Machine (VCM)は、視覚的特徴圧縮と古典的なビデオ符号化のギャップを埋めることを目的としている。
我々は,学習した動きパターンのガイダンスを用いて,映像フレームを再構成するために条件付き深層生成ネットワークを用いる。
予測モデルを介してスパース動作パターンを抽出することを学ぶことにより、特徴表現をエレガントに活用し、符号化されたフレームの外観を生成する。
論文 参考訳（メタデータ） (2020-01-09T14:18:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。